[論文レビュー] Exchanges in complex networks: income and wealth distributions

Tiziana Di Matteo, Tomaso Aste+1 more|ArXiv.org|Oct 23, 2003

Complex Systems and Time Series Analysis参考文献 1被引用数 34

ひとこと要約

本稿は、スケールフリーネットワーク上の加法的確率的富交換過程が、乗法的ノイズが存在しない場合でも、所得および富の分布にパワー則テイルを生成することを示している。主な発見は、ネットワークのトポロジー、特に次数分布が、得られる富の分布を直接規定することである。スケールフリーネットワークは、実証データ（オーストラリアの所得分布）と定性的に一致するファットテイル分布を生成する。

ABSTRACT

We investigate the wealth evolution in a system of agents that exchange wealth through a disordered network in presence of an additive stochastic Gaussian noise. We show that the resulting wealth distribution is shaped by the degree distribution of the underlying network and in particular we verify that scale free networks generate distributions with power-law tails in the high-income region. Numerical simulations of wealth exchanges performed on two different kind of networks show the inner relation between the wealth distribution and the network properties and confirm the agreement with a self-consistent solution. We show that empirical data for the income distribution in Australia are qualitatively well described by our theoretical predictions.

研究の動機と目的

• ネットワークトポロジーがエージェントベースの交換モデルにおける富分布に与える影響を調査すること。
• 乗法的ノイズが存在しない加法的確率的プロセスが、富分布にパワー則テイルを生成できるかどうかを特定すること。
• スケールフリーネットワークが、次数の不均一性などの構造的特性を通じてファットテイルの富分布を生じることを仮説検証すること。
• 理論的予測と数値シミュレーション、およびオーストラリアの所得分布からの実証データを比較すること。
• 確率的交換枠組みにおいて、ネットワーク接続性と個々のエージェントの富との間に直接的で予測可能な関係を確立すること。

提案手法

• エージェントは、平均がゼロのガウスノイズを伴う加法的確率的プロセスを用いて、不規則なネットワークを通じて富を交換する。
• 富の進化は、式 (3) でモデル化され、各エージェントは自身の富の固定割合 q₀ を、ネットワーク接続性に従って隣接エージェントに均等に分配する。
• モデルは乗法的ノイズを想定しない（Bₗ(t) = 0）ものであり、加法的ノイズとネットワーク媒介交換にのみ焦点を当てる。
• 数値シミュレーションは、均質なネットワーク（正の逆温度 β = +0.5）とスケールフリーネットワーク（負の β = -0.5）の2種類のネットワーク上で実施される。これらはGlauber-Kawasakiダイナミクスを用いて生成される。
• 定常状態アプローチを採用し、初期の100ステップの平衡化の後、1000ステップのシミュレーションを実行して収束を確認する。
• 理論的予測は式 (10) から導出され、各エージェントの期待富はその接続性 z に比例することが示され、比例定数はネットワークパラメータに依存する。

実験結果

リサーチクエスチョン

• RQ1 複雑なネットワーク上での加法的確率的プロセスが、富分布にパワー則テイルを生成できるか？
• RQ2 基盤となるネットワークの次数分布が、得られる富分布の形状にどのように影響するか？
• RQ3 特にスケールフリーモデルが、実証的に観察されるファットテイルの所得分布をどの程度説明できるか？
• RQ4 確率的交換モデルにおいて、エージェントの接続性とその長期的期待富との間に、直接的で予測可能な関係が存在するか？
• RQ5 本モデルからの理論的予測は、オーストラリアの現実の所得データとどの程度一致するか？

主な発見

• スケールフリーネットワーク上での加法的確率的交換によって生じる富分布は、指数 α ≈ 2.4–2.6 のパワー則テイルを示し、オーストラリアの実証データ（1993–1997年）とよく一致する。
• 式 (10) が予測するように、各エージェントの期待富はその接続性 z に比例し、シミュレーション平均値と理論的予測値の間に強い一致を示す。
• 均質なネットワーク（指数的次数分布）では、富分布は指数関数的に減少するが、スケールフリーネットワーク（パワー則次数分布）では、パワー則的挙動を示すファットテイルが出現する。
• 全体の富分布は、各エージェントの次数に比例する平均を中心とするガウス分布の重み付き和であり、重みは次数分布に与えられる。これにより、集約分布にパワー則テイルが生じる。
• 本モデルは、オーストラリアの所得データの定性的な構造をうまく再現している：低～中所得では対数正規分布的であり、高所得ではパワー則的であり、年次的に α ≈ 2.2–2.6 のパレート指数を示す。
• N = 30,000 エージェントでの数値シミュレーションにより、ネットワークの非均質性、特にスケールフリーコネクティビティが、乗法的ノイズが存在しない状況でもファットテイルの出現を引き起こすことが確認された。